大数据一锅端

Redis 是一个开源的高性能键值对存储系统，广泛用于缓存、数据库和消息中间件等场景。它基于内存存储，支持多种数据结构（如字符串、哈希、列表、集合、有序集合等），并具备高吞吐、低延迟的特性。

HBase Java API 从创建 Maven 工程到操作 HBase 表的完整流程。首先，通过添加 hbase-client 依赖配置 POM 文件，然后连接 ZooKeeper 并创建

在 HBase 中，列由“列族:列限定符”组成，列族是最小的物理存储单位，直接决定数据的压缩、缓存和生命周期策略。合理划分列族至关重要，建议列族数量越少越好，以避免频繁的内存刷新

本节内容介绍了如何将 HBase 从单节点扩展为三节点集群运行。在前一节完成 h121 上的单节点配置后，接下来需将相同的环境同步至 h122 和 h123 节点

首先通过官网下载或使用 wget 命令获取压缩包，并解压至指定目录。随后，为保证 HBase 能正常与 Hadoop 集成运行，需将 Hadoop 的核心配置文件 core-site.xml

HBase 是基于 Google BigTable 设计的分布式列式数据库，擅长处理 PB 级别的海量数据，支持高并发、低延迟的随机读写。与传统关系型数据库相比，HBase 采用列族存储。

ZooKeeper 是一个高性能的分布式协调服务，主要用于解决分布式系统中的数据一致性与协调问题。其核心特性包括：提供顺序一致性、原子性、单一系统镜像、可靠性与及时性保障；数据模型采用类似 Unix

ZooKeeper 采用 ZAB 协议实现强一致性的分布式协调服务，其中 Leader 选举是保障系统稳定的关键机制。初次启动时，各节点根据自身 ID 和事务历史进行投票，须获得半数以上节点支持才能成

核心特性包括分布式一致性保障（如顺序性、原子性、单一视图等）、类Unix结构的数据模型（ZNode Tree）、以及事件驱动的一次性监听机制（Watcher）。典型应用如 Dubbo 的服务注册。

ZooKeeper 的 Watcher 机制是一种轻量级、事件驱动的分布式监听机制，支持客户端对节点（znode）变化进行一次性监听。

ZooKeeper 是一款高性能的分布式协调服务，常用于服务注册、配置管理、分布式锁等场景。其核心优势在于提供分布式一致性保证，具备顺序一致性、原子性和高可靠性。

ZooKeeper 是一个分布式协调服务，具备顺序一致性、原子性和高可靠性，广泛应用于命名服务、配置管理、分布式锁和集群选主等场景。

ZooKeeper 是一个高可用的分布式协调服务，具备顺序一致性、原子性、可靠性等特性，广泛应用于分布式系统中的命名服务、配置管理、分布式锁、消息队列和主节点选举等场景。

CDC（变化数据捕获）是一种高效的数据同步技术，用于捕捉数据库中的增量变更，避免全量同步带来的性能开销。在大数据场景中，CDC可实现近实时的数据湖/数仓构建、微服务事件驱动设计。

Sqoop 实现 MySQL 与 Hive 之间的数据导入导出操作。首先，在 Hive 中创建了名为 mydb.goodtbl 的表，并通过 Sqoop 执行导入命令将 MySQL 中。

Apache Sqoop 是一款用于在关系型数据库（如 MySQL）与 Hadoop 生态系统（如 HDFS、Hive、HBase）之间高效传输数据的工具，主要支持批量导入（Import）

Apache Sqoop 是一个用于在关系型数据库（如 MySQL）与 Hadoop 系统（如 HDFS、Hive、HBase）之间高效批量传输数据的工具，主要基于 MapReduce 实现。

Apache Sqoop 是一款开源工具，主要用于在关系型数据库（如 MySQL、Oracle）与 Hadoop（HDFS、Hive、HBase）之间高效传输数据。

Apache Flume 是一个分布式、高可靠的日志采集框架，常用于将日志从本地系统采集并传输至如 HDFS、Kafka 等大数据系统。Flume 主要由 Source（数据源）、Channel

Apache Flume 是一款分布式、高可用的数据采集系统，广泛应用于日志收集与传输场景。其核心架构由 Source、Channel 和 Sink 三大组件组成。